Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
El nuevo Flipper One es un PC Linux portátil que puedes llevar en tu bolsillo y se vende a cero beneficio
Se lanzó el Flipper One, un ordenador portátil basado en Linux, a través de una campaña de crowdfunding con un precio de $399. El dispositivo utiliza el sistema operativo Flipper OS y puede funcionar como PC de escritorio o dispositivo portátil, ofreciendo capacidades como VPNs y conectividad múltiple. La compañía afirma que el precio cubre el costo de producción y no genera margen de beneficio.
Hospital entrega PC especial a doctor muy enfermo para uso personal
Un doctor investigador, conocido por su consumo de entretenimiento para adultos, causó una infección de malware en su PC, lo que llevó a una investigación interna. El hospital finalmente implementó una política para restringir el uso de PCs para asuntos personales y, posteriormente, los estudiantes del doctor interpusieron una demanda.
Tecnólogo manipula un ventilador defectuoso cerca de líquido inflamable y una placa base expuesta, y lo deja funcionar por días
Un lector llamado Axl manipuló una PC en una gasolinera que dejó de funcionar, sospechando sobrecalentamiento. Él instaló una solución temporal con un ventilador de extracción para mantener el sistema operativo durante varios días. El ingeniero de soporte llegó y reemplazó el componente fallido, y no hubo víctimas, asegurando que los turistas regresaron satisfechos.
Veredicto final de Slayyyter: un disco saturado e industrial que le da identidad propia
El tercer disco de Slayyyter, WOR$T GIRL IN AMERICA, utiliza una producción saturada e industrial para darle identidad propia, marcando un giro respecto al sonido anterior. Aunque la segunda mitad del álbum presenta temas con letras débiles, los momentos donde el ruido se retira permiten que la voz se exprese de manera más suave y expresiva. El álbum es calificado como el más ambicioso y logrado hasta la fecha, combinando la intensidad sonora con una vulnerabilidad en su desenlace.
Kim Gordon – PLAY ME
Kim Gordon lanza su tercer disco, PLAY ME, utilizando canciones cortas y producción industrial para desafiar al algoritmo del streaming. El álbum explora temas políticos y opresivos, criticando la tecnocracia y la manipulación del sistema. La obra demuestra cómo la brevedad y la suciedad de la producción pueden ser una estrategia efectiva para contestar las reglas del sistema digital.
Linux se une a la flota de pantallas de información inoperativas de Heathrow
Linux ha demostrado ser tan capaz como Windows en términos de fallos, y Heathrow está explorando el uso de hardware basado en Raspberry Pi para sus nuevas pantallas. Se destaca la flexibilidad en la distribución de contenido y la eficiencia energética de las nuevas soluciones de hardware.
Linux está obteniendo una herramienta que causa fallos en el sistema de forma intencionada
Se presenta una nueva herramienta en el kernel de Linux llamada hwpoison-panic diseñada para inducir fallos de memoria intencionales. Esta herramienta permite a los desarrolladores probar la respuesta del kernel ante errores de memoria irrecuperables, simulando fallos de hardware para verificar la estabilidad del sistema. El objetivo es que el kernel realice un pánico inmediato, lo cual es crucial para el desarrollo y la depuración de sistemas operativos.
La mejor manera de detener la propagación de una idea es un incendio controlado
El texto describe una situación de crisis en un edificio donde se sospecha la propagación de un virus, desencadenada por una idea impulsiva. Los personajes intentan detener la situación mediante la desactivación de sistemas y la destrucción de dispositivos. Finalmente, se confirma que el fuego se originó por un acelerante desconocido, aunque la idea inicial no fue la causa directa.
Alguien usó Claude para construir un chatbot que cabe en un disco flexible
Se presenta Tiny-2.1, un chatbot construido con Claude que se ejecuta en DOS con una memoria muy limitada. Aunque puede realizar tareas básicas como trivia y aritmética, su precisión disminuye significativamente al responder preguntas con redacción nueva. El texto concluye que es más una prueba de concepto que un modelo práctico para uso diario, aunque es útil para probar la capacidad de modelos pequeños.
Descubierta la causa inesperada del ruido de la computadora
Se reveló que el ruido de la computadora puede deberse a la carga de la tarjeta gráfica y la acumulación de polvo en el sistema de refrigeración. El aumento de temperatura provoca que los ventiladores trabajen más rápido, y la vibración de componentes puede generar ruidos. Se recomienda limpiar el dispositivo de polvo y revisar si el ventilador está desgastado.
Noticias encontradas
Coincidencias por palabras en títulos, resúmenes, temas, personas, lugares o firmas.
Resultados para «Bleeping Computer»
Más recientes primero · Hasta 30 noticias por página
SWE-Opt: Un punto de referencia para evaluar LLMs en la optimización a nivel de repositorio
Se presenta SWE-Opt, un punto de referencia a nivel de repositorio basado en 102 optimizaciones expertas para evaluar el rendimiento de los LLMs en la optimización de código. La evaluación revela que los LLMs actuales tienen dificultades significativas, mostrando ganancias de tiempo de ejecución escasas y optimizaciones de memoria casi inexistentes. Las implementaciones expertas alcanzan aceleraciones significativas, superando ampliamente las capacidades de los modelos actuales.
El costo social de un compañero de IA: Cómo un compañero artificial remodela la comunicación humana en la toma de decisiones en equipos pequeños
Se investigó el impacto de un compañero de IA en la comunicación entre compañeros humanos durante una tarea de toma de decisiones. Los resultados sugieren que la presencia de la IA pudo haber afectado negativamente la participación, receptividad e integración social de los estudiantes en los equipos. Esto indica un posible costo social en la experiencia de pertenencia y la integración relacional de los estudiantes en equipos con IA.
Investigadores de Inteligencia Artificial supervisada por humanos en sistemas de energía eléctrica: conocimiento, física, simulación y gobernanza para modelos de lenguaje grandes
Se revisan las aplicaciones de LLM en la investigación de sistemas de energía eléctrica, enfocándose en la colaboración entre investigadores de IA supervisada por humanos y estudios de IA fundamentados en la física. Se propone un marco de conocimiento-física-simulación-gobernanza donde los LLM coordinan tareas y los expertos validan las conclusiones críticas. El objetivo es mejorar la eficiencia de la investigación científica asegurando trazabilidad y reproducibilidad de los resultados.
OmniPiano: Desafíos de manipulación de piano con múltiples agentes de RL
Se presenta OmniPiano, un punto de referencia para el aprendizaje por refuerzo (RL) que aborda el desafío de la manipulación robótica diestra en la ejecución de tareas de piano. Este benchmark soporta de una a cinco manos sombra y permite la evaluación de RL robusto y multiagente con configuraciones de seguridad y cooperación descentralizada. Las evaluaciones indican que los algoritmos de RL de vanguardia y los agentes basados en LLM aún enfrentan dificultades con tareas complejas de toque de piano.
LLM en bucle de anotación iguala a agentes de codificación a la mitad de costo
Se compara un agente de modelo de lenguaje grande (LLM) con agentes de forma libre para la anotación de imágenes médicas (TC de aorta). Se desarrolló un arnés llamado Taurus para automatizar la revisión de etiquetas, buscando mejorar la precisión y reducir el costo de la anotación. El resultado final mostró que la automatización del pase de revisión es clave para la competitividad del sistema.
Dual Dimensionalidad para Atención Local y Global
Se propone la Representación Adaptativa a la Distancia (DAR) para arquitecturas de atención, donde los tokens locales reciben representaciones de alta dimensión y los distantes reciben representaciones de menor dimensión. Este enfoque busca preservar la capacidad de representación local mientras optimiza la memoria a largo plazo, reduciendo el tamaño de la caché KV durante la inferencia. Los resultados demuestran que este método mejora el rendimiento y reduce significativamente el tamaño de la caché KV en comparación con métodos que reducen la dimensionalidad uniformemente.
Razonamiento basado en conceptos con localización impulsada por prompts para generación de informes estructurados
Se propone el marco CORAL para mejorar la generación de informes médicos mediante un proceso de razonamiento basado en conceptos con localización. Este marco integra la fundamentación espacial y la supervisión a nivel de concepto para lograr una mejor alineación con los procesos de decisión clínica. Los experimentos demuestran mejoras en la precisión diagnóstica y la calidad del informe en comparación con otros modelos MLLM.
MOPDA: Destilación On-Policy para Detección de Anomalías Industrial Guiada por Lenguaje
Se presenta MOPDA, un marco que utiliza destilación propia on-policy para la detección de anomalías industriales (IAD) basada en modelos visión-lenguaje (LVLM). El método combina trayectorias del estudiante y del profesor para mejorar la detección y localización de anomalías. MOPDA supera a las líneas base existentes en métricas clave, manteniendo competitividad con métodos basados en CLIP.
Decodificación del habla interna mediante EEG a través de tres corpus con una arquitectura y protocolo fijos
Se presenta un estudio controlado para decodificar el habla interna mediante EEG utilizando un Transformer dual-atención (VC-DATNet) en tres corpus públicos. Los resultados muestran que el rendimiento depende de la calidad de la señal y el tamaño del conjunto de datos más que de la capacidad del modelo. Se sugiere que la elección de representación debe ser individualizada para mejorar la comunicación no invasiva.
Estratega: Evolucionando el Razonamiento con Agentes
Se presenta Strategist, un meta-agente diseñado para evolucionar estrategias de inferencia a través de diferentes tareas. Este sistema utiliza un enfoque donde las estrategias se guardan como planos reutilizables, permitiendo que las tareas posteriores se construyan sobre descubrimientos previos. En pruebas, Strategist superó a la mejor línea base en 24 y mostró una menor inversión en costo de inferencia.
Pensar antes de localizar: Supervisión de Cadena de Pensamiento Clínica para la localización de imágenes médicas secuenciales
Se investiga si el razonamiento explícito basado en imágenes puede mejorar la localización en modelos vision-lenguaje para imágenes médicas secuenciales. Se introduce el método MedChain y se utiliza supervisión de cadena de pensamiento deliberativa (dCoT-SFT) para mejorar el rendimiento en modelos como Qwen3.5. El modelo de 27B alcanzó un mIoU de 77.24 y un [email protected] de 85.20, superando modelos previos.
Seleccionar hipótesis generadas por LLM eleva la verdad más allá de lo que espera un panel de LLM
Un estudio preregistrado evaluó sistemas de ideación de LLM para generar hipótesis verdaderas y no obvias en benchmarks como NAS-Bench-201 y HPOBench. Se encontró que un paso de dos etapas, donde se redacta un gran conjunto de afirmaciones y luego se selecciona un subconjunto, incrementa la verdad excesiva. Además, se observó que GPT utiliza eficientemente los resultados de sondas baratas, aunque optimizar el juez de LLM redujo la precisión.
Propuesta de rúbrica para evaluar el razonamiento clínico expresado en respuestas de modelos de lenguaje grandes
Se propone una rúbrica para evaluar el razonamiento clínico expresado por los modelos de lenguaje grandes. Esta rúbrica integra marcos de evaluación médica, *benchmarks* clínicos y taxonomías de evaluación de razonamiento de LLM. El objetivo es hacer explícitas las decisiones de evaluación antes de la prueba empírica.
Agentes dependientes necesitan reglas duras y difusas
El artículo argumenta que los agentes dependientes requieren tanto reglas duras (código) como reglas difusas (aprendidas) para cubrir las capacidades de un agente. Se prueban estos enfoques en dominios como compra y delegación de autoridad, demostrando que las reglas difusas pueden manejar juicios complejos que las reglas exactas no pueden capturar. Se concluye que una regla pequeña puede lograr el objetivo, aunque no necesariamente lo haga mejor que un sistema más complejo.
ClinFusion: Un sistema LLM multimodal centrado en la visión para la comprensión médica holística
Se presenta ClinFusion, un MLLM centrado en la visión diseñado para la comprensión médica holística, abordando desafíos en el manejo de imágenes médicas 2D y 3D. El sistema supera a modelos líderes en múltiples benchmarks médicos y demuestra capacidades multimodales superiores a modelos propietarios. La evaluación por radiólogos confirma que produce los informes mejor clasificados y valida su métrica de evaluación basada en la región de interés.
InterFuse: Fusión Adaptativa Guiada por Interacción de Modelos Heterogéneos para la Clasificación de Riesgo de Pago
Se presenta InterFuse, un marco de fusión diseñado para guiar la agregación adaptativa de transacciones mediante la interacción entre modelos heterogéneos. Este método utiliza un estado de fusión compartido derivado de la interacción entre modelos para mejorar la clasificación de riesgo de pago. Los resultados indican que InterFuse supera a las líneas de base existentes, mejorando significativamente el recall y el AUC en múltiples conjuntos de datos.
Ataques de inyección de prompt en entornos CI/CD impulsados por IA
Se presenta GitInject, un framework de código abierto para evaluar ataques de inyección de prompt en flujos de trabajo de GitHub Actions. Este framework ejecuta flujos de trabajo reales para exponer vulnerabilidades como la exfiltración de credenciales y la manipulación de juicios. Se demuestra que varios proveedores de IA son susceptibles a ataques de alta severidad en configuraciones probadas.
B[FM]$^2$: Modelo de Fundación Cerebral mediante Flow Matching con SplitUNet
Se presenta B[FM]$^2$, un Modelo de Fundación Cerebral mediante Flow Matching, que aprende representaciones generalizables de EEG a partir de grandes conjuntos de datos para tareas de interfaz cerebro-computadora. Este modelo utiliza *flow matching* de tiempo continuo sin discretización, reduciendo significativamente el presupuesto de preentrenamiento necesario en comparación con modelos anteriores. Además, genera datos EEG sintéticos que son indistinguibles de datos cerebrales reales por expertos.
Tactile MNIST: Benchmarking de Percepción Táctil
Se presenta el Conjunto de Pruebas Tactiles MNIST, un punto de referencia de código abierto para tareas de percepción táctil activa. Este conjunto incluye escenarios de simulación y un conjunto de datos con modelos 3D sintéticos y muestras táctiles del mundo real. El objetivo es facilitar el progreso en la sensación táctil y la percepción activa mediante protocolos estandarizados.
DARE: Alineando agentes LLM con el ecosistema estadístico R mediante recuperación consciente de la distribución
Se propone DARE, un marco de aprendizaje de representación que incorpora características de distribución de datos en la recuperación de funciones de R para mejorar la automatización de flujos de trabajo de ciencia de datos con LLM. Los experimentos muestran que DARE mejora el NDCG@10 y duplica la precisión del análisis posterior en RStatBench al integrar DARE en RCodingAgent.
Representaciones Matryoshka Hash para Recuperación Semántica Compacta con Conciencia del Modelo
Se presenta la introducción de las Representaciones Matryoshka Hash (MHR) para mejorar la eficiencia de la recuperación semántica en sistemas RAG. Este método busca reemplazar vectores completos por códigos cortos de pocos bytes, optimizando el costo del índice mientras se mantiene la calidad de la recuperación. Los resultados demuestran que MHR logra un rendimiento superior en métricas como NDCG@10 en comparación con métodos compactos existentes.
¿Puedes romper RLVER? Explorando la robustez adversaria de agentes empáticos entrenados con RL
Se evalúa el modelo de lenguaje empático entrenado con aprendizaje por refuerzo a partir de recompensas de emoción verificables (RLVER) frente a usuarios simulados. Se introduce la Puntuación de Consistencia Emocional (ECS) para determinar si el modelo mejora el estado emocional sin hacer que el estado del usuario sea más legible. Los resultados muestran que RLVER-PPO-Think supera a la línea de base sin ajustar en detección de intención oculta.
Benchmark Parametric CAD v3 evalúa la creación de modelos CAD paramétricos a partir de texto y planos de ingeniería
Se presenta el Parametric CAD Bench v3, un benchmark de 100 tareas diseñado para evaluar la capacidad de agentes de IA para crear modelos CAD a partir de texto y planos de ingeniería. La evaluación se centra en la similitud geométrica y la consistencia de las especificaciones, no solo en el éxito binario. Se reportan resultados con Claude Code y Claude Opus 5.5, mostrando una recompensa media de imagen a CAD de 84.66%.
Revisión silenciosa: Midiendo el cambio no revelado en los marcos de seguridad de desarrolladores de IA de vanguardia
Investigadores miden la tasa de cambio no revelado en los marcos de seguridad de desarrolladores de IA de vanguardia. Se encontró que el 64% de los cambios materiales son silenciosos bajo un estándar estricto, y el 75% de los cambios trazados debilitan o eliminan un compromiso. Se argumenta que los deberes de publicación deben incluir un requisito de enumeración para hacer la revisión de los marcos más auditable.
NeMo-DCR: Refit Delta-Comprimido Exacto para RL Agéntico Escalable a Escala de Trillones de Parámetros
Se presenta NeMo-DCR, un método de refit delta-comprimido exacto para el aprendizaje por refuerzo (RL) escalable a escalas de trillones de parámetros. Este método envía solo los cambios, permitiendo a los receptores obtener los bits de un refit denso. Se demuestra que NeMo-DCR es 7 veces más rápido que AReaL-DTE y es significativamente más rápido en escenarios de estrés.
Replay Counterfactual: Entornos Forkables como Recompensas de Proceso Gratuitas para Agentes de Ingeniería de Software
Se presenta el Counterfactual Rollout Replay (CRR), un procedimiento de entrenamiento que utiliza entornos ejecutables forkables para obtener contrastes de retorno a nivel de paso en agentes de ingeniería de software. Este método mejora el rendimiento en benchmarks como SWE-bench Verified, logrando una mejora del 5.0 puntos porcentuales en comparación con métodos anteriores. El CRR no requiere etiquetas de proceso humanas ni modelos de recompensa aprendidos, enfocándose en la eficiencia del cómputo.
Índice de Salud de Benchmarks: Un marco sistemático para comparar los puntos de referencia de los LLM
Se presenta el Índice de Salud de Benchmarks (BHI), un marco basado en datos para auditar la fiabilidad de los puntos de referencia utilizados para medir el progreso de los Modelos de Lenguaje Grande (LLM). Este índice evalúa la capacidad de discriminación, la anti-saturación y el impacto de estos benchmarks en los ecosistemas académico e industrial. El objetivo es proporcionar una base sólida para la selección de benchmarks y la gestión dinámica de los protocolos de evaluación.
Lectura y decodificación adaptativa de escenas en difusión impulsando VLAs
Se propone un marco de lectura y decodificación adaptativa para modelos VLAs impulsados por difusión, buscando mejorar la calidad de la planificación al evitar decodificaciones innecesarias. El método pondera y combina predicciones de trayectoria de capas tardías después de un solo barrido de la columna vertebral, aplicando refinamiento solo cuando es necesario según la escena. Los resultados muestran una mejora en el rendimiento y una aceleración de velocidad de hasta 6.0x en benchmarks de Waymo E2E y reducción del error de trayectoria en nuScenes.
Generación automática de teoremas en lógica de primer orden por construcción a partir de contradicciones estándar triangulares
Se propone un marco constructivo para la generación automática de teoremas (ATG) en lógica de primer orden basado en contradicciones estándar triangulares. El método construye conjuntos de cláusulas mínimamente insatisfacibles para formar teoremas con garantía lógica. Se extiende la familia de generadores $\Delta$ para ofrecer una base para el descubrimiento automático de teoremas.
WaiT para la señal: Acoplamiento de flujo consciente de la frecuencia
Se presenta WaiT, un Transformer de imagen consciente de la wavelet diseñado para mejorar la calidad de la generación de imágenes al manejar la jerarquía de frecuencias. Este modelo aborda las limitaciones del *flow matching* estándar al separar la generación en bandas gruesas y finas mediante wavelets sin pérdida. Los resultados demuestran que WaiT alcanza un FID de 1.43 en ImageNet 512x512 y establece un nuevo estado del arte en fidelidad de textura.